AI 迭代太快，读博的人还在等旧体系发通行证

我觉得现在很多做 AI 的 PhD，正处在一个非常尴尬的历史交界点。

一边是工业界几乎每隔几个月就发生一次技术范式的变化，模型能力、研究方向、工程方法，甚至整个行业对人才的需求，都在快速重构。

另一边是大学里依然运转着一套几十年前建立的博士培养体系。每年发一两篇 Paper，花几个月做一个 Benchmark 上提升几个百分点的工作，开组会，写 Proposal，等 Reviewer，等导师批准毕业。然后期待这些积累在四五年之后，能够自然地兑换成一份体面的工作和一个更好的未来。

但最残酷的地方在于，这两套系统对时间的定价，已经完全不同了。

在学校里，一篇 Paper 可能是你过去一年的全部成果。但在工业界，你花一年精心设计的算法，可能因为一次模型更新，就失去了大部分实际意义。你引以为傲的工程技巧，可能下一代 Coding Agent 已经能够自动完成。你研究了两年的问题，可能一家 Frontier Lab 用几周的 Scaling Experiment 就给出了更好的解决方案。

当然，我并不认为长期科研没有价值。真正重要的科学问题，往往需要十几年甚至几十年的积累。

但问题是，现在有多少 PhD 真正在研究那些值得花五年时间解决的问题？又有多少人只是在导师的研究方向、毕业要求和论文评价体系里，反复寻找一个足够小、足够安全、足够容易发表的增量？

我自己也在读 PhD，所以对这种割裂感有很深的体会。

最让人焦虑的，其实不是看到工业界进步得太快。而是你明明知道外面的世界正在发生什么，却依然需要把大量精力投入一套未必能让你跟上变化的评价体系。

博士原本应该是训练一个人探索未知、独立判断和创造新知识的过程。但在很多地方，它逐渐变成了一个漫长的资格认证流程。而 AI 正在以前所未有的速度，降低这个流程中许多可量化成果的稀缺性。

我们可能是第一代，在博士还没读完的时候，就需要重新思考博士学位究竟意味着什么的人。

我不觉得读 PhD 是错误的选择。但如果一个人五年下来，最大的成长只是更熟练地迎合 Reviewer、更精确地优化 Benchmark、更擅长把有限的研究增量包装成论文。那真正值得担心的，不是 AI 会不会取代他的工作。而是当整个世界已经改变，他还在等待旧世界给自己颁发一张通行证。

一个博士最珍贵的五年，不应该只用来证明自己符合五年前制定的标准。